商务智能实验报告
电子商务实验报告（9篇）
电子商务实验报告电子商务实验报告(9篇)在当下社会，报告不再是罕见的东西，我们在写报告的时候要注意语言要准确、简洁。
在写之前，可以先参考范文，下面是小编为大家收集的电子商务实验报告，欢迎阅读，希望大家能够喜欢。
电子商务实验报告11.1明确用户需求随着当今社会新系统大度的提高，网络的高速发展，计算机已被广泛应用于各个领域，因而网络成为人们生活中不可或缺的一部分。
互联网用户应经接受了电子商务，网购成为一种时尚潮流。
书籍交易网站就是Internet和电子商务发展的产物，近几年在我国发展迅猛，如同一些书店纷纷在各地开设分店以拉近书店与顾客间距离一样。
随着科学技术得分速发展，Internet这个昔日只被少数科学家接触和使用的科研工具已经成了普通百姓都可以触及的大众型媒体传播手段。
随着现金全民素质和科学技术水平的不断提高，知识更新的越来越快。
人们随时都会有被淘汰的危机，为了不让社会淘汰，做到与时俱进就必须多读书不断的学习，21世纪是网络的时代、信息的时代，时间是非常宝贵的，人们由于种种原因没有时间到书店去，也不知道哪家书店有自己需要的书籍，同时那些传统书店的经营者又没什么好的方法让人们知道我这就有顾客需要的书籍，这种买卖双方之间信息交流上的阻碍成为“网上书城”网站发展的原动力。
网上书城网站的建立可以跟好的解决这方面的问题，向广大用户推出的是一种全新的网上信息服务，旨在书店与消费者之间架起了一座高速、便捷的网上信息桥梁。
1.2初步调查截止至20xx年6月底，中国的网民的数量达到4.21亿人，互联网电子商务化的程度也越来越高，网络购物、网上支付和网上银行的使用率分别达到33.8%、30.5%和29.1%。
而在众多的电子商务行为中，因网上购书具有较高的可信性和打折优惠，网上购书的比例逐年提高。
当当网、卓越亚马逊两间网上书城更是在同类B2C网站中占据头两位。
很多人看到了书这种网上销售的诸多好处：方便购买、金额小、风险小、用户容易决定；信息的完整性以及很少出现质量问题和退货现象等，无论是当当、卓越还是99读书人，网上书店的强大搜索功能帮助顾客查找图书和选择图书，与传统书店中令人无所适从的货架分类不同，网上书店通过强大的搜索引擎为用户挑书提供了最大的便利。
商业智能分析实习报告
商业智能分析实习报告一、实习背景与目的随着互联网和大数据技术的飞速发展，商业智能（Business Intelligence, BI）逐渐成为企业核心竞争力的重要组成部分。
商业智能分析可以帮助企业深入了解业务运营状况、发现潜在商机、优化决策过程，从而提高企业效益。
本次实习旨在通过实际操作，掌握商业智能分析的基本技能，培养数据分析思维，并为企业提供有针对性的解决方案。
二、实习内容与过程1. 数据收集与清洗在实习过程中，首先需要从多个数据源收集所需的数据。
数据来源包括企业内部数据库、公开数据、第三方数据等。
收集到的数据往往存在缺失、异常、重复等问题，需要进行数据清洗，提高数据质量。
2. 数据存储与管理清洗后的数据需要存储到数据仓库中，以便进行后续分析。
数据仓库是一个中央ized data store that can provide data to any number of users for any purpose. 在实习过程中，需要学习如何使用数据仓库工具，如SQL、Excel等，对数据进行有效管理。
3. 数据探索与分析通过对数据进行探索性分析，了解数据的基本特征，如分布、趋势、关联等。
探索性分析有助于发现数据中的潜在规律和问题，为后续深入分析提供方向。
在实习过程中，需要运用统计学、数据挖掘等方法进行数据探索与分析。
4. 数据可视化与报告将分析结果以可视化形式展示，使复杂的数据变得直观易懂。
数据可视化工具如Tableau、Power BI等，可以帮助我们将数据转化为图表、仪表板等，便于企业决策者快速了解业务状况。
在实习过程中，需要学会使用可视化工具，生成具有针对性的报告。
5. 解决方案设计与实施根据数据分析结果，为企业提供有针对性的解决方案。
解决方案可能包括业务流程优化、市场策略调整、产品优化等。
在实习过程中，需要结合分析结果，提出可行的解决方案，并协助企业实施。
三、实习收获与反思通过本次实习，我深刻认识到商业智能分析在企业决策中的重要性，掌握了数据收集、清洗、存储、分析、可视化等基本技能，培养了一定的数据分析思维。
天津商业大学商务智能实验报告4 (2)
天津商业大学学生实验报告开课实验室：信息专业实验室403 开课时间 2016 -3-2实验报告（4）在“选择数据源视图”窗口中，已默认选中xixin。
在数据源视图中，单击“浏览”按钮查（5）指定表类型。
3.浏览数据挖掘模型。
（1）在“数据挖掘设计器”中，选择“挖掘模型查看器”选项卡。
默认情况下是分类关系图，设计器显示10个分类，所有链接居中。
颜色深表示事例多，颜色浅表示事例少。
（2）当左边的“所有链接”向上滑动时，显示所有的链接。
其中深色灰线表示两个聚类的关联度强，浅色线表示两个聚类的关联度弱。
八、思考题1、将客户分为五类进行分析，找到最强关联的两个分类，分析其学历、收入、孩子数目、会员卡等情况。
答：首先将客户分为5类，进行如下操作：（6）查看最强链接，如图所示，可以知道最强链接是分类2和分类4.（8）分类剖面图如图所示。
（10）分类对比图如图所示。
（2）查看分类剖面图，分析教育情况，分类4的教育情况和分类2的教育情况如下图所示，可以对比出两个（6）分析孩子数目情况，如下图所示，分类4大多数是4个孩子，而分类2大多数是2（7）分析孩子数目情况，如图所示，可以看到分类2相比于分类4更有可能为3个孩子。
注1.每个实验项目一份实验报告。
2.实验报告第一页学生必须使用规定的实验报告纸书写，附页用实验报告附页纸或A4纸书写，字迹工整，曲线要画在坐标纸上，线路图要整齐、清楚（不得徒手画）。
3．实验教师必须对每份实验报告进行批改，用红笔指出实验报告中的错、漏之处，并给出评语、成绩，签全名、注明日期。
4.待实验课程结束以后，要求学生把实验报告整理好，交给实验指导教师，加上实验课学生考勤及成绩登记表（见附件2）、目录和学院统一的封面（见附件3）后，统一装订成册存档。
制表单位：设备处。
商务智能实训报告心得
一、前言随着大数据时代的到来，商务智能（Business Intelligence，BI）在企业管理中的重要性日益凸显。
为了更好地理解和掌握商务智能的相关知识，提升自身在数据分析、业务洞察等方面的能力，近期我参加了商务智能实训课程。
以下是我在实训过程中的心得体会。
二、实训内容概述本次实训主要围绕商务智能的基本概念、数据仓库、数据挖掘、报表设计、数据分析等方面展开。
通过实际操作，我了解了商务智能在企业管理中的应用，掌握了相关工具和技术的使用方法。
1. 商务智能基本概念实训首先介绍了商务智能的基本概念，包括其定义、发展历程、应用领域等。
使我认识到，商务智能是企业获取竞争优势的重要手段，能够帮助企业实现数据驱动决策。
2. 数据仓库实训讲解了数据仓库的基本原理、架构和设计方法。
通过学习，我了解了数据仓库在数据整合、存储、管理等方面的作用，以及如何根据企业需求设计合适的数据仓库。
3. 数据挖掘数据挖掘是商务智能的核心技术之一。
实训中，我们学习了数据挖掘的基本概念、常用算法和工具。
通过实际操作，我掌握了数据挖掘的基本流程，能够运用相关技术进行数据分析和挖掘。
4. 报表设计报表设计是商务智能可视化展示的重要环节。
实训中，我们学习了报表设计的基本原则、工具和技巧。
通过实际操作，我能够根据企业需求设计出直观、易懂的报表。
5. 数据分析数据分析是商务智能的关键应用。
实训中，我们学习了数据分析的基本方法、工具和技巧。
通过实际操作，我能够运用数据分析技术解决实际问题，为企业提供决策支持。
三、实训心得体会1. 理论与实践相结合本次实训将理论知识与实际操作相结合，使我更加深入地理解了商务智能的概念、原理和应用。
在实训过程中，我学会了如何运用所学知识解决实际问题，提高了自己的实践能力。
2. 工具与技术的掌握实训中，我们学习了多种商务智能工具和技术，如数据仓库、数据挖掘、报表设计等。
通过实际操作，我掌握了这些工具和技术的使用方法，为今后在实际工作中应用商务智能奠定了基础。
商务智能 上机实验报告1 运用SPSS完成数据挖掘过程
（商务智能）实验报告1、数据清洗：有以下四种方法(1)排序（升序或降序） data-sort cases：将大数据按照指定列进行升或降序排列（2）更替缺失值transform-replace missing values：将某列中缺失的值用均值、中值或中间填补以v8为例，选择平均值方法(3)删除方法见4、数据选择(4)双重排序 data-split file：将大数据以两列的条件进行排序选第二个 compare groups结果：v2列排了顺序、v5在v2的基础上进行了排序2、数据集成将两个sav文件和并在一起，进行横向或纵向的叠加，例如选择v3、v5、v6、v7更改*号（源文件里的名字）的名字 rename，在空白行中显示（2）横向合并：data-merge files-add variables（1）普通：直接输入简单数学表达式Traget value 为新的列名（例如设为v11，表达式为V5+V6）结果：仅将v5<80情况下的数据进行求和结果：v11列为v5的绝对值进入old an new values（例如将一百分制为标准的转换为一五分制为标准，在中体现）结果：v555列为新增列，将70以下的数变为3进入if，设置限值（例如v5<70,continue）将不符合条件的删除掉（或过滤掉） unselected cases are deleted5、数据挖掘Analyze-classify-k-means cluster：进行数据选择，为模式评估作铺垫打开另存的另一份文件（例如选择v5）迭代了两次7、知识呈现：将数据以图形（柱状图、饼图等）的形式展现出来（1）Graphs-bar，simple（柱状图）结果：以v5列的数据进行柱状图展示结果：以v5列的数据进行饼图展示。
商务智能实验6报告
《数据发掘与商务智能试验》实验报告试验标题：数据发掘的根本数据剖析姓名：王俊学号：201430850164 指点教师：张大斌试验时光：201611.102016年 11月 10日试验题纲：一、试验目标1）熟习根本数据剖析的处理流程.2）进一步闇练控制拍SPSSModeler对象的操纵.二、试验内容内容一：数据的质量摸索步调1 树立数据流1)在“源”中经由过程拖入“Statistics”文件节点读入Telephone.sav数据.2)树立“类型”节点,并解释各个变量脚色.这里指定“流掉”为目标变量.3）选择“输出”选项卡中“数据审核”节点并将其衔接到数据流的适当地位,点击鼠标右键,在“质量”选项卡下,选择检测办法为平均值的尺度差.步调2成果输出试验成果输出如图所示.图中蓝色部分暗示输出变量取YES,即客户流掉的样本数,可以看出,各个变量上流掉客户的取值均不合.内容二：根本描写剖析这里剖析的目标是对电信客户数据的根本办事.开通月数.免费部分和无线费用之间的相干系数以反应变量之间的互相关系.步调1树立数据流选择“输出”选项卡中的“统计量”节点.步调2设置相干参数1）双击“统计量”节点,进行响应的设置.在“检讨”框中添加开通月数.根本费用.免费部分和无线费用.2）在“相干”框中添加年纪.收入和家庭人数.如图所示.3）在“相干设置”中,勾选“按重要性界说相干强度”.如图所示.盘算成果如图所示.可以看出,以“根本费用”为例,它与“年纪”和“收入”都有相干性,它们之间简略相干系数固然为0.401和0.195,但从统计量的角度来看有95%以上的掌控以为它们之间长短0相干.“根本费用”与“家庭人数”呈负弱相干.内容三：绘制散点图数值之间变量的相干性可以采取上一个试验,也可以经由过程散点图来直接不雅察,此次重要不雅察根本费用和年纪之间的相干性.步调1构建数据流选择“图形”选项卡中的“图”节点.步调2设置相干参数1）双击“图”节点,选择编辑菜单,进行参数窗口的设置.2）在“X字段”和“Y”字段框平分离选择“根本费用”和“年纪”.在“交叠字段”下,选择“色彩”-“流掉”,不合色彩暗示流掉量不合取值的样本点.如图所示“图”节点的参数设置窗口.输出的成果如图所示.内容四：两分类变量相干性的研讨两分类变量相干性研讨可以从图形剖析入手,然后采取数值剖析的办法.下面采取网状图剖析.步调1设置相干参数选择图形中的收集节点,进入编辑状况,在“字段”下选择“套餐类型”和“流掉”.设置线值为“绝对值”.步调2成果输出可以由成果图中得到,其电信客户保持是最好的,成果输出如图所示.内容五：变量中重要性剖析步调1 窗口设置选择“模子”选项卡中的“特点选择”节点,将其衔接到数据流的适当地位,点击鼠标右键,选择弹出菜单中的编辑窗口,将“流掉”添加到目标选项中,其他的全体添入输入,具体操纵如图所示步调 2 成果输出由成果输出可以看出,开通月数.根本费用.电子付出.年纪.受教导程度.套餐类型.收入以及各类费用等变量对猜测用户是否流掉很重要,其他的变量则意义不大,成果输出如图所示三、试验步调与成果试验步折衷成果见试验内容四、试验剖析与扩大演习试验剖析：本次试验经由过程对数据质量.根本描写.散点图.相干性.重要性五个方面进行内容剖析,比较周全地懂得了该数据的相干信息,并得到了响应的成果.请总结剖析以下问题：（1）针对上述案例,剖析保管客户与流掉客户的根本费用是否消失明显的差别.（2）若何评价数据质量？相干性和重要性有何差别？答：（1）依据剖析客户流掉的样本数的比例（灰色为流掉）然后剖析根本费用和流掉之间的关系,经由过程树立统计量和绘制散点图最后比较重要度可以得出结论：保管客户与流掉客户的根本费用消失明显性差别（2）数据质量是包管数据运用的基本,它的评估尺度重要包含四个方面,完全性.相干性.一致性.实时性.评估数据是否达到预期设定的质量请求,就可以经由过程这四个方面来进行断定.相干性：高质量的数据应当是能充分知足用户运用请求的数据,即数据源和要处理的营业具有很强的接洽;重要性：数据有很大价值和影响的性质,能为数据处理供给许多便利2.扩大演习（1）针对上述的五个内容,分离更改一些参数,不雅察是否对成果造成影响答：内容一：更改“数据审核”中的部分参数,成果如下左边是没有更改,右边是更改后的,该系数更改无明显变更五.结论与评论辩论(重点)经由过程此次试验,我懂得到数据剖析是数据发掘中很重要的一部分,数据剖析的目标是把隐没在一大批看来混乱无章的数据中的信息分散和提炼出来,以找出所研讨对象的内涵纪律.数据剖析是组织有目标地收集数据.剖析数据,使之成为信息的进程.剖析数据的时刻不要盲目,起首要肯定你要剖析的偏向,以更直不雅的方法表示出来,然后从所得的数据懂得这些数据面前所代表的是什么,我们可以以其他方法更好的表现出来吗?怎么数据措辞能更直不雅标明问题？数据剖析的步调：1.摸索性数据剖析,当数据刚取得时,可能混乱无章,看不出纪律,经由过程作图.造表.用各类情势的方程拟合,盘算某些特点量等手腕摸索纪律性的可能情势,即往什么偏向和用何种方法去查找和揭示隐含在数据中的纪律性.2.模子选定剖析,在摸索性剖析的基本上提出一类或几类可能的模子,然后经由过程进一步的剖析从中遴选必定的模子.3.揣摸剖析,平日运用数理统计办法对所定模子或估量的靠得住程度和准确程度作出揣摸.。
商务智能实验报告册
随着信息技术的飞速发展，大数据时代已经到来。
商务智能（Business Intelligence，BI）作为一种利用先进技术对数据进行收集、处理、分析和展示的方法，已成为企业提升竞争力、优化决策的重要手段。
为了让学生深入了解商务智能的理论和实践，我们开展了商务智能实验课程。
二、实验目的1. 理解商务智能的基本概念、技术方法和应用领域；2. 掌握商务智能软件的使用方法，如Power BI、Tableau等；3. 培养学生分析数据、挖掘信息、解决实际问题的能力；4. 提高学生团队合作和沟通能力。
三、实验内容1. 商务智能基础知识（1）商务智能的定义、发展历程和未来趋势；（2）商务智能的关键技术，如数据仓库、数据挖掘、数据可视化等；（3）商务智能应用领域，如市场营销、客户关系管理、供应链管理、人力资源管理等。
2. 商务智能软件应用（1）Power BI：学习Power BI的基本操作，包括数据连接、数据建模、数据可视化等；（2）Tableau：学习Tableau的基本操作，包括数据连接、数据操作、数据可视化等。
3. 实际案例分析（1）选取一家企业，收集相关数据，分析其业务状况；（2）运用商务智能软件，对收集到的数据进行处理和分析；（3）根据分析结果，提出针对性的建议，帮助企业优化业务。
1. 实验准备：了解实验内容，熟悉实验软件，准备实验数据。
2. 数据收集：收集企业业务数据，包括销售数据、客户数据、财务数据等。
3. 数据处理：运用商务智能软件，对收集到的数据进行清洗、整合、建模等操作。
4. 数据分析：根据实验目的，对处理后的数据进行深入分析，挖掘有价值的信息。
5. 结果展示：运用商务智能软件，将分析结果以图表、报表等形式展示。
6. 撰写实验报告：总结实验过程、实验结果和实验心得。
五、实验成果1. 理论知识：掌握商务智能的基本概念、技术方法和应用领域；2. 实践技能：熟练运用商务智能软件，具备数据分析、挖掘信息的能力；3. 团队合作：与同学共同完成实验，提高团队协作和沟通能力；4. 解决问题：针对实际问题，提出优化建议，为企业创造价值。
零售业商务智能实验报告
一、实验背景随着信息技术的飞速发展，大数据、云计算等新兴技术的应用日益广泛，商务智能（BI）技术在零售业中的应用也越来越受到重视。
通过商务智能技术，零售企业可以更好地了解市场需求，优化库存管理，提升销售业绩，增强竞争力。
本实验旨在通过模拟零售业商务智能应用，让学生了解商务智能的基本原理和操作方法，提高学生运用商务智能技术解决实际问题的能力。
二、实验目的1. 理解商务智能的基本概念和原理。
2. 掌握商务智能工具的基本操作方法。
3. 学会运用商务智能技术分析零售业数据，解决实际问题。
4. 提高数据分析和决策能力。
三、实验内容1. 实验环境- 操作系统：Windows 10- 数据库：MySQL 5.7- 商务智能工具：Tableau 10.52. 实验步骤（1）数据收集与整理从某零售企业获取销售数据、库存数据、客户数据等，导入数据库中，并整理成适合分析的数据格式。
（2）数据可视化使用Tableau工具，对收集到的数据进行可视化分析，包括：- 销售趋势分析：展示不同时间段的销售额变化趋势。
- 产品销售分析：展示不同产品的销售情况，包括销售额、销售量等。
- 客户分析：展示不同客户的消费行为，包括消费金额、消费频率等。
（3）数据挖掘使用Tableau的数据挖掘功能，对销售数据进行分析，包括：- 顾客细分：根据顾客的消费行为，将顾客划分为不同的群体。
- 预测销售：根据历史销售数据，预测未来的销售趋势。
- 关联分析：分析不同产品之间的销售关联性。
（4）决策支持根据分析结果，提出以下决策建议：- 优化库存管理：根据销售预测，调整库存策略，减少库存积压。
- 提升销售业绩：针对不同顾客群体，制定相应的营销策略。
- 优化产品结构：根据销售数据，调整产品结构，满足市场需求。
四、实验结果与分析通过商务智能技术对零售业数据的分析，得出以下结论：1. 销售趋势分析显示，特定时间段内销售额呈现上升趋势，说明该时间段市场需求旺盛。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《数据挖掘与商务智能实验》
实验报告实验题目：数据挖掘的基本数据分析
姓名：王俊
学号：4
指导教师：张大斌
实验时间：201611.10
2016年11月10日
实验题纲：
一、实验目的
1）熟悉基本数据分析的处理流程。
2）进一步熟练掌握拍SPSS Modeler工具的操作。
二、实验内容
内容一：数据的质量探索
步骤1 建立数据流
1)在“源”中通过拖入“Statistics”文件节点读入Telephone.sav 数据。
2)建立“类型”节点，并说明各个变量角色。
这里指定“流失”为目
标变量。
3）选择“输出”选项卡中“数据审核”节点并将其连接到数据流的恰当位置，点击鼠标右键，在“质量”选项卡下，选择检测方法为平均值的标准差。
步骤2 结果输出
实验结果输出如图所示。
图中蓝色部分表示输出变量取YES，即客户流失的样本数，可以看出，各个变量上流失客户的取值均不同。
内容二：基本描述分析
这里分析的目标是对电信客户数据的基本服务、开通月数、免费部分和无线费用之间的相关系数以反映变量之间的相互关系。
步骤1 建立数据流
选择“输出”选项卡中的“统计量”节点。
步骤2 设置相关参数
1）双击“统计量”节点，进行相应的设置。
在“检查”框中添加开通月数、基本费用、免费部分和无线费用。
2）在“相关”框中添加年龄、收入和家庭人数。
如图所示。
3）在“相关设置”中，勾选“按重要性定义相关强度”。
如图所示。
计算结果如图所示。
可以看出，以“基本费用”为例，它与“年龄”和“收入”都有相关性，它们之间简单相关系数虽然为0.401和0.195，但从统计量的角度来看有95%以上的把握认为它们之间是非0相关。
“基本费用”与“家庭人数”呈负弱相关。
内容三：绘制散点图
数值之间变量的相关性可以采用上一个实验，也可以通过散点图来直接观察，此次主要观察基本费用和年龄之间的相关性。
步骤1 构建数据流
选择“图形”选项卡中的“图”节点。
步骤2 设置相关参数
1）双击“图”节点，选择编辑菜单，进行参数窗口的设置。
2）在“X字段”和“Y”字段框中分别选择“基本费用”和“年龄”。
在“交叠字段”下，选择“颜色”-“流失”，不同颜色表示流失量不同取值的样本点。
如图所示“图”节点的参数设置窗口。
输出的结果如图所示。
内容四：两分类变量相关性的研究
两分类变量相关性研究可以从图形分析入手，然后采用数值分析的方法。
下面采用网状图分析。
步骤1 设置相关参数
选择图形中的网络节点，进入编辑状态，在“字段”下选择“套餐类型”和“流失”。
设置线值为“绝对值”。
步骤2 结果输出
可以由结果图中得到，其电信客户保持是最好的，结果输出如图所示。
内容五：变量中重要性分析
步骤1 窗口设置
选择“模型”选项卡中的“特征选择”节点，将其连接到数据流的恰当位置，点击鼠标右键，选择弹出菜单中的编辑窗口，将“流失”添加到目标选项中，其他的全部添入输入，具体操作如图所示
步骤 2 结果输出
由结果输出可以看出，开通月数、基本费用、电子支付、年龄、受教育程度、套餐类型、收入以及各种费用等变量对预测用户是否流失很重要，其他的变量则意义不大，结果输出如图所示
三、实验步骤与结果
实验步骤和结果见实验内容
四、实验分析与扩展练习
实验分析：
本次实验通过对数据质量、基本描述、散点图、相关性、重要性五个方面进行内容分析，比较全面地了解了该数据的相关信息，并得到了相应的结果。
请总结分析以下问题：
（1）针对上述案例，分析保存客户与流失客户的基本费用是否存在显着的差异。
（2）如何评价数据质量相关性和重要性有何区别
答：（1）根据分析客户流失的样本数的比例（灰色为流失）
然后分析基本费用和流失之间的关系，通过建立统计量和绘制散点图
最后比较重要度可以得出结论：保存客户与流失客户的基本费用存在显着性差异（2）数据质量是保证数据应用的基础，它的评估标准主要包括四个方面，完整性、相关性、一致性、及时性。
评估数据是否达到预期设定的质量要求，就可以通过这四个方面来进行判断。
相关性：高质量的数据应该是能充分满足用户使用要求的数据，即数据源和要处理的业务具有很强的联系；
重要性：数据有很大价值和影响的性质，能为数据处理提供很多方便
2.扩展练习
（1）针对上述的五个内容，分别更改一些参数，观察是否对结果造成影响
答：内容一：更改“数据审核”中的部分参数，结果如下
左边是没有更改，右边是更改后的，该系数更改无明显变化
五、结论与讨论(重点)
通过这次实验，我了解到数据分析是数据挖掘中很重要的一部分，数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中和提炼出来，以找出所研究对象的内在规律。
数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。
分析数据的时候不要盲目，首先要确定你要分析的方向，以更直观的方式表现出来，然后从所得的数据了解这些数据背后所代表的是什么，我们可以以其他方式更好的体现出来吗?怎么数据说话能更直观表明问题
数据分析的步骤：
1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。
2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。
3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。